互聯(lián)性對智能設(shè)備更高的性能要求
加入技術(shù)交流群
賽靈思關(guān)注包括云計算、嵌入式視覺、工業(yè)和消費類物聯(lián)網(wǎng)(IIoT和IoT)及5G 連接的相關(guān)未來趨勢。
未來將會有超過500億的器件和機器于2020年前實現(xiàn)互連。一旦連接，它們必須具有足夠的安全性以抵御硬件級別的直接入侵。 因為這些設(shè)備、機器、系統(tǒng)和網(wǎng)絡(luò)對環(huán)境的感知度越來越高，它們必須適應(yīng)它們的環(huán)境和需求，因而必須具有更高的可編程性與軟件定義性。此外，它們還必須具備可擴展性，因為越來越多的功能不僅進行了虛擬化，而且還高效映射到了共享計算資源中。由于數(shù)據(jù)和視頻是通過無處不在的傳感器和攝像機采集的，因此，分析必須幫助這些機器進行識別、說明、決策和行動。此外，這些系統(tǒng)和網(wǎng)絡(luò)還必須滿足心急的最終用戶與實時場景不斷增長的需要，其需要即時的低時延響應(yīng)。然而在幕后，它們還必須在盡量降低功耗的同時，通過更為高級的算法處理呈指數(shù)增長的數(shù)據(jù)量、數(shù)據(jù)包和像素。并且還必須高度差異化，否則將在競爭日益激烈的低成本全球市場中失敗。這只能通過將軟件智能與硬件優(yōu)化、“任意”連接相組合來實現(xiàn)。Xilinx全可編程解決方案可實現(xiàn)更智能的互連差異化系統(tǒng)，從而可將最高級別的軟件智能性與硬件優(yōu)化及“任意”連接功能進行完美整合，成為驅(qū)動行業(yè)大趨勢未來發(fā)展的強大動力。
Xilinx公司戰(zhàn)略與市場營銷部高級副總裁 Steve Glaser
關(guān)鍵技術(shù)相互依存
推動這些大趨勢的一些關(guān)鍵技術(shù)，包括機器學習訓練和推斷、實時的計算機視覺、日益異構(gòu)化的傳感器融合、預(yù)測分析、大規(guī)模無線MIMO，網(wǎng)絡(luò)功能虛擬化(NFV)以及超高清視頻串流。我們看到的是， 技術(shù)的進步有空前加速和統(tǒng)一的趨勢，眾多的技術(shù)正在不斷地被組合在一起 ，創(chuàng)造出全新的應(yīng)用和市場。
我們也越來越多地看到這些大趨勢和相關(guān)支持技術(shù)的相互依存。例如，包括自動駕駛汽車、“協(xié)作機器人(cobot)”和“感知與規(guī)避”無人機等視覺導向的自主系統(tǒng)的開發(fā)，就是通過將可重配置和實時傳感器融合、計算機視覺和機器學習技術(shù)集中于同一“全可編程”或者硬件加速多處理系統(tǒng)級芯片(MPSoC)而實現(xiàn)的。
由于5G連接技術(shù)的出現(xiàn)，這些自主系統(tǒng)將成為物聯(lián)網(wǎng)的組成部分，從而獲得不間斷的機器學習訓練更新、預(yù)測維護指令、新功能及服務(wù)更新，以及實時的超高清視頻云端上傳和下載。在“霧”計算的配合下，云計算將利用可重配置的FPGA加速技術(shù)，以更高的吞吐量和更低的時延處理這些工作負載。
擴陣容、推環(huán)境、建專區(qū)
一方面，Xilinx大力擴充了其產(chǎn)品陣容。今天的賽靈思， 從產(chǎn)品上既有廣泛的全可編程FPGA器件系列，還包括從單核到雙核直到多核的可擴展型系統(tǒng)級Zynq SoC及MPSoC芯片; 既有傳統(tǒng)的高端產(chǎn)品系列， 又擴充了強大的成本優(yōu)化型FPGA系列和基于ARM的SoC系列產(chǎn)品， 從而為越來越多領(lǐng)域?qū)θ删幊唐骷男枨筇峁┝素S富的選擇。
另一方面，為滿足更加廣泛軟件與系統(tǒng)工程師社區(qū)的需求，賽靈思地推出新一代軟件定義的SDx開發(fā)環(huán)境大幅降低FPGA開發(fā)難度，為軟件及系統(tǒng)級工程師也能享受FPGA硬件開發(fā)的優(yōu)勢提供了“全可編程”的編程模式，可以用其熟悉的C, C++, OpenCL語言或者堆棧進行設(shè)計的。
此外，面向可編程器件應(yīng)用需求，賽靈思相繼在官網(wǎng)推出了面向軟件、硬件及系統(tǒng)開發(fā)人員的嵌入式視覺開發(fā)者專區(qū)及“加速專區(qū)”。其中匯集龐大而豐富的工程設(shè)計資源，包括軟件開發(fā)優(yōu)化庫、硬件開發(fā)人員視覺 IP、項目，以及賽靈思及其聯(lián)盟計劃成員和社區(qū)開發(fā)人員所提供的各種教程。通過這些這些專區(qū)，賽靈思為開發(fā)人員快速啟動開發(fā)下一代視覺系統(tǒng)提供了一個“一站式平臺”，幫助他們充分利用基于機器學習技術(shù)的傳感器融合、高級計算機視覺算法以及對象檢測與分析功能等。
評論